创新价值链视角下人力资本结构高级化对科技创新的影响——兼论研发投入的门槛效应

周均旭，刘子俊

（广西大学公共管理学院，广西南宁 530004）

1 研究背景

我国经济发展进入新常态，经济增长模式从传统的要素驱动型逐渐转向创新驱动型，科技创新的作用越来越凸显。近年来，虽然我国科技创新取得了长足进步，科技发展呈现量质齐升的态势，重大科技成果不断涌现［1］，但是不可忽视的是，原始创新能力不强、科技成果转化率不高、创新体系整体效能不高等问题仍然存在［2］，如何进一步提升科技创新能力、突破关键技术和摆脱重点领域中的“卡脖子”困境是摆在各级政府面前的难题。

创新驱动的本质在于人才驱动。回顾已有研究，作为创新的主体，人力资本可以够通过模仿和吸收现有技术，从而促进科技创新［3］；但是，人力资本与科技创新的关系也并不是简单的“线性关系”［4］。事实上，不同层级的人力资本对于创新的作用是不一样的。从理论上讲，受过高等教育的人力资本对科技创新的作用更大，没有高素质人才的参与根本无法开发或适应新技术［5］。但是大多学者，如周凡磬［6］等，都是从人力资本层次结构对于科技创新进行研究，很少有从人力资本结构整体变化的角度展开分析。随着我国教育投入的不断增加、人力资本存量的持续增长，我国人力资本结构逐渐从低级化走向高级化。刘智勇等［7］定义了“人力资本结构高级化”这个概念，对以初级人力资本向高级人力资本演进为特征的人力资本结构变化从整体进行了描述；在此基础上，吕洪燕等［8］将人力资本结构高级化对科技创新的作用与人力资本存量进行对比，发现人力资本结构高级化的作用更大，但他们把科技创新过程简单地当成一个“黑箱”，并没有关注到科技创新的内部过程。

自Hansen 等［9］提出创新价值链理论（IVC）后，许多学者在此基础上将科技创新划分为3 个或者两个阶段，如徐永泽等［10］将创新活动分为创新投入到创新知识再到创新成果转化的3 个阶段；肖仁桥等［11］、陶长琪等［12］、Chen 等［13］更多学者则将科技创新活动分成两个阶段，第一阶段为科技研发阶段，是创新投入到知识凝聚的过程，第二阶段是科技成果转化阶段，是知识凝聚到创新成果转化成经济效益的过程。同时，虽然人力资本结构高级化对科技创新有着深远影响，但是研发投入的作用不能忽略，作为科技创新的重要影响因素，研发投入也能够有效促进科技创新［14］。然而，研发投入和人力资本的合力能否有效促进科技创新仍存在争议［15］。那么，在不同研发投入强度下，人力资本结构高级化对于科技创新的作用是否存在异质性的影响？能否通过研发投入促进人力资本结构高级化对于科技创新的作用，推动区域高质量发展？这些问题的研究对于深入推动创新驱动发展战略有着重要的理论意义和现实意义。

基于以上分析，本研究按照创新价值链理论，将科技创新分成科技研发和科技成果转化两个阶段（以下对两个阶段的创新产出分别用“科技研发”和“科技成果转化”直接表述），利用我国2000—2018 年的省级面板数据，引入研发投入作为门槛变量，深入探讨人力资本结构高级化对不同创新阶段是否具有异质性作用。

2 研究假设

科技创新成果的产出与人才息息相关，尤其是高素质人力资本。从人力资本结构对于技术创新的作用机理分析，一般认为经过长期投资形成的高素质人力资本等属于高级生产要素，对于自主创新的作用最重要，而初级人力资本对于整个科技创新系统的作用有限［16］。对于科技研发阶段，个体依靠自身积累的知识和技能识别新知识，而人力资本结构高级化就是高级人力资本逐步替换初级人力资本并占据主导地位的人力资本结构调整过程，使得社会高层次人才比重上升。人力资本结构高级化至少可以通过以下两个方面促进科技研发：首先，人力资本结构高级化意味着聚集了更多的高素质人力资本，其作为生产要素能够直接推动科技研发；其次，人力资本结构高级化还有利于各类技术的消化吸收与应用、营造和改善良好的创新环境、升级需求结构，从而能够间接促进科技研发［8］。对于科技成果转化阶段，高级人力资本相比低级人力资本具有更出色的学习、管理能力，可以快速根据市场作出调整反应，从而有利于科技成果转化［17］；同时，当某一地区总体人力资本存量越大、教育层次结构越高，群体相互匹配和学习交流的机会越多，激励效应会更强，能够加快知识的扩散与转化速度，高级人力资本的溢出效应对科技成果转化的影响越大；此外，由于高级人力资本存在向下兼容性，高级人力资本取代低级人力资本可以有效控制劳动投入，提高劳动资源的配置效率，并通过采用和吸纳先进的技术和管理模式提高边际生产率［18］。鉴于此，提出以下假设：

H1a：人力资本结构高级化有利于科技研发；

H1b：人力资本结构高级化有利于科技成果转化。

研发投入是创新能力的动力源泉，研发投入的大小会直接影响创新能力的结果。研发投入至少从两个方面会影响到人力资本结构高级化与科技创新的关系：首先，科研经费投入为高级人力资本从事科技研究等活动提供保障，能够直接促进科技研发，合适的人力资本和R&D 投入的共同作用能够促进创新产出［19］；其次，科研经费投入可以使高级人力资本通过“干中学”获得高新技术知识，人力资本载体所具有的知识和技能并不一定就能满足创新的所有需求，而在研发过程中通过学习新技术、熟悉生产过程、了解市场动态，能够促进科技成果转化［20］。因此，研发投入积累到较高的程度时，人力资本结构高级化对科技创新两阶段的影响都会更大。鉴于此，提出以下假设：

H2：研发投入能够促进人力资本结构高级化对于科技创新两阶段的作用，并存在一定的门槛效应。

创新价值链视角下人力资本高级化影响科技创新的作用机理，如图1 所示。

图1 创新价值链视角下人力资本高级化影响科技创新作用机理

3 研究设计

3.1 模型搭建

3.1.1 基准回归模型

根据研究假设，构建两阶段面板数据模型研究人力资本结构高级化对区域创新价值链的关系，采用分步回归法。其中，加入全部控制变量后的两阶段面板数据模型公式如下：

式（1）（2）中：i为不同身份；t为各个年份；Zlsq 为专利授权数；Xcp 为新产品销售额；Hstruc 为人力资本结构高级化；Xit为控制变量合集；α和β为待估参数；ε为随机扰动项。

式（1）为第一阶段科技研发的模型，式（2）为第二阶段科技成果转化的模型。考虑到科技研发对科技成果转化可能的推动作用，在第二阶段加入第一阶段的成果专利授权数作为第二阶段的控制变量，以体现两阶段的联系。

3.1.2 门槛模型

基准的线性模型只能检验人力资本结构高级化对科技创新的影响是否存在，为了检验假设2，参考Hansen［21］的研究，引入研发投入作为门槛变量，构建门槛模型研究人力资本结构高级化对科技创新两阶段的门槛效应。其中两阶段的单一门槛公式如下：

式（3）（4）中：K为门槛变量；θ为估算门槛值。为防止异方差，数据进行对数化处理。

式（3）表示科技研发阶段，式（4）表示科技成果转化阶段。若存在双重门槛，式（3）（4）可转化成模型如式（5）和（6）：

3.2 变量选取

（1）被解释变量。基于创新价值链将科技创新分成科技研发阶段和科技成果转化阶段，第一阶段为科技研发阶段，选取专利授权量（Zlsq）作为第一阶段的衡量指标；第二阶段为科技成果转化阶段，选取新产品销售额（Xcp）为第二阶段的衡量指标。

（2）核心解释变量。解释变量为人力资本结构高级化（Hstruc），表示初级人力资本向高级人力资本的逐渐演进。和传统的人力资本存量相比，高级人力资本对科技创新的影响更大。借鉴刘智勇等［7］的测度方法，通过空间向量法得出。具体如下：

1）将人力资本分为文盲半文盲、小学、初中、高中（含中专）、大专及以上5 类，把每类人力资本的占比作为一个空间向量，构成五维空间向量。

（3）门槛变量及其控制变量。选取R&D强度（rd）作为研发投入的替代变量当做门槛变量，检验创新价值链视角下人力资本结构高级化对科技创新两阶段的门槛效应；参考已有文献，考虑到数据可得性，从对外开放程度、城镇化率、地区基础设施以及工业发展水平4 个方面设置控制变量，分别选取地区进出口总额占该地区生产总值（GDP）的比重（Open）、城镇常住人口占年末总人口的比重（Czh）、每平方千米等级公路里程数（Jc），各省份规模以上工业企业数量（Gy）4 个指标作为替代变量。

对所有的变量取对数消除异方差影响，变量描述性统计结果如表1 所示。

表1 变量描述性统计

采用2000—2018 年我国30 个省份的面板数据（剔除数据缺失严重的西藏和港澳台地区），数据来源于《中国统计年鉴》和各省份统计年鉴，个别缺失数值使用插值法补充；进出口总额数据根据当年平均外汇比率换算为人民币，且将2000 年作为不变价格，根据各区域的消费指数进行换算，以消除通胀影响。

4 实证结果及分析

4.1 面板数据回归

面板数据回归之前，主要采用LLC 检验方法进行单位根检验，结果显示所有变量都是一阶平稳序列。经过Hausman 检验，选择固定效应模型。科技研发阶段以专利授权量为被解释变量、人力资本结构高级化为解释变量进行面板数据回归，根据式（1）构建固定效应模型，后采用逐步回归的方式加入控制变量，结果如表2 所示。由表2 模型1 可见，人力资本结构高级化对于科技研发的影响显著为正。以表2 中模型5 的最终回归结果为准，可以发现人力资本结构高级化的影响系数为13.89，即人力资本结构高级化每提高1%，科技研发便提高13.89%，假设H1a得到验证。结果与吕洪燕等人［8］的结果类似，表示在人力资本结构高级化的过程中，高级人力资本比例增加，而较之低级人力资本，高级人力资本具有更加完备的知识体系，能够极大地促进科技研发产出。

表2 科技研发阶段样本数据的面板回归分析

科技成果转化阶段以新产品销售额（Xcp）作为被解释变量。为体现科技创新两个阶段的联系，在科技成果转化阶段中加入科技研发阶段的结果作为控制变量，根据式（2）构建固定效应模型，并逐步加入控制变量形成模型1 至模型5，回归结果如表3所示。其中，从模型1 可见人力资本结构高级化反而抑制科技创新中的科技成果转化的创新产出，这与假设H1b相悖。但是王淑英等［22］也曾发现高级人力资本并不能促进成果转化的创新产出，R&D 人员投入对科技成果转化无显著影响；张虎等［23］也认为科技成果转化以市场化为导向，研发人员的作用有限且部分研究成果与社会脱节，最终影响创新产业化的实现。这些学者的观点也佐证了本研究的发现。作为科技创新的“最后一公里”，创新链与产业链的脱节导致科技创新仅仅停留在纸上，缺少实践的验证。大量高级人力资本的聚集因为缺少完善的创新生态系统和合理的科技成果转化机制，无法有效将成果转为经济效益，从而导致人力资本结构越高级则科技成果转化越差的现象出现，人力资本结构高级化反而抑制了科研成果转化。

表3 科技成果转化阶段样本数据的面板回归分析

4.2 内生性检验

基于创新价值链视角，科技创新是一个系统的连续过程，第一阶段的研发成果会影响到第二阶段的科技成果转化，因此为了防止模型可能产生的内生性，在模型中加入被解释变量的滞后1 期，利用两步法的高斯混合模型（GMM）对人力资本结构高级化与科技创新两阶段的关系进行检验。科技研发阶段，选取滞后1 期的专利授权量、人力资本结构高级化和工业发展水平的1～7 阶滞后项作为工具变量；科技成果转化阶段，选取滞后1 期的新产品销售额、人力资本结构高级化和工业发展水平的1～7 阶滞后项作为工具变量。如表4 所示，模型1 和模型2 分别报告了科技研发阶段和科技成果转化阶段的两步系统GMM 的估计结果，残差的序列相关性检验、Sargan 检验和Hansen 检验表明，系统GMM 使用的工具变量合理，不存在过度识别的问题，核心解释变量人力资本结构高级化系数的显著性和以上分析结果一致，表示本研究结论具有稳健性，验证了假设H1a，推翻了假设H1b，证明了基于创新价值链视角，人力资本结构高级化促进科技研发而抑制科技成果转化。

表4 变量的内生性检验分析

表4（续）

4.3 门槛回归分析

4.3.1 门槛回归检验

为了检验假设H2，运用门槛模型之前需要对模型分阶段进行检验，进而确定门槛模型形式。以R&D 强度为门槛变量，采用Booststrap 抽样法分别对科技创新两阶段进行门槛检验，结果如表5 所示。可以看到，科技研发阶段双重门槛的F值在5%的水平显著；成果转化阶段单一门槛的F值在10%的水平显著，而双重门槛没有通过显著性检验。说明基于创新价值链理论，人力资本结构高级化对科技创新两阶段具有显著的研发投入异质性，证实了假设H2。

表5 门限效应自抽样检验结果

在确定具有门槛效应的前提下，确定门槛估计值和置信区间，如表6 所示。可以看到，区域创新价值链中，R&D 强度在科技研发的双重门槛值分别为1.22 和1.92，分别位于［1.20,1.25］、［1.81,1.96］的置信区间；R&D 强度在科技成果转化的单一门槛值为0.24，位于［0.23,0.25］的置信区间内。

表6 门限估计值和置信区间

4.3.2 创新价值链视角下的门槛模型结果

基于创新价值链视角下的科技创新两阶段门槛模型结果如表7 所示，其中模型1 表示科技研发阶段的双重门槛模型，模型2 表示科技成果转化阶段的单一门槛模型。可见，在科技研发阶段，当R&D强度≤1.22 时，人力资本结构高级化的回归系数为11.92，在1% 的统计水平显著；1.22＜R&D 强度≤1.92 时，人力资本结构高级化的回归系数提升，为12.12，在1%的统计水平显著；当R&D＞1.92 时，人力资本结构高级化的回归系数进一步得到提升，为12.35。R&D 强度对于人力资本结构高级化与科技研发的关系具有正向的非线性影响，当R&D 强度分别跨过1.22 和1.92 的门槛值后，人力资本结构高级化对科技研发的促进作用发生两次跃升，说明随着R&D 经费支出占GDP 比重提升达到一个较高的水平后，高级人力资本所具备的知识结构和创新能力在科技研发方面能够更好地发挥作用，从而促进科技研发阶段人力资本结构高级化带来的创新产出。

表7 科技创新两阶段的门槛分析结果

在科技成果转化阶段，当R&D 强度≤0.24 时，人力资本结构高级化的回归系数为-10.74，在1%的统计水平显著；当R&D 强度＞0.24 时，人力资本结构高级化的回归系数为-9.94，在1%的统计水平显著。R&D 强度的增加虽然可以减弱人力资本结构高级化对于科技成果转化的抑制作用，但是并没有改变作用的方向，说明现阶段我国人力资本结构高级化对于科技成果转化仍处于抑制阶段，单一增加科研经费投入强度并不能改变已有科技成果的转化困境［24］。可能的原因在于行业结构大多仍依靠劳动密集型行业的国家往往会被“低端锁定”［25］，使得人力资本结构高级化与产业结构的需求不相匹配，从而抑制科技成果转化。

5 进一步分析

进一步分区域进行研究，将样本分成东部和中西部两组1），利用固定效应模型分组进行回归检验，并参考连玉君等［26］使用的Bootstrap 法对人力资本结构高级化的组间系数差异进行比较，只有当经验P值显著才说明组间系数差异明显。结果如表8 所示，模型1 和模型2 是关于科技研发阶段东部和中西部的结果，模型3 和模型4 是关于科技成果转化阶段东部和中西部的结果。可以看到，科技研发阶段，东部和中西部地区的人力资本结构高级化都对科技研发的影响显著为正，与上述结论一致，证实了H1a；对比于中西部地区，东部的人力资本结构高级化系数较高，而经验P值也证实东部和中西部地区差异在统计上的显著性，说明相比于中西部地区，东部地区人力资本结构高级化对科技研发的作用更大。这可能是由于东部地区经济发达，吸引了大量的高层次人力资本，人力资本结构相对于中西部地区更高级，同时东部地区独特的区位优势为科技研发提供了良好的创新环境［8］，因此，东部地区人力资本结构高级化对比中西部地区对科技研发的促进作用更大。

表8 区域创新两阶段的异质性分析结果

在成果转化阶段，人力资本结构高级化在东部和中西部地区对成果转化影响皆显著为负，和上述结论一致，与假设H1b不符。对比中西部地区，东部地区人力资本结构高级化系数更大，但是根据经验P值，东部和中西部地区差异在统计上并不显著，说明东部地区和中西部地区的人力资本结构高级化对成果转化作用的差异不大，东部地区并没有因为其经济水平和产业结构水平而比中西部地区获得更多的优势。由于制度约束、激励不足、融资机制不完善等问题而导致我国科技成果转化率低下［27］，单靠人力资本结构的高级化并不能使得科技成果转化走出困境，并且这种困境并没有因为东部和中西部区域的差异而得到改善。因此，东部和中西部的人力资本结构高级化都不利于科技成果转化，两者影响差异不大。

人力资本结构高级化对科技成果转化存在抑制作用，与既定假设不符。此前李东海［28］的研究也曾发现，产业结构高级化和产业结构合理化对科技成果转化的影响不一致，产业结构高级化对科技成果转化阶段的创新产出反而存在抑制作用。鉴于此，使用平均受教育年限作为人力资本存量的替代变量，代替人力资本结构高级化，代入对成果转化阶段的区域创新模型中，对现有结论进行补充说明，结果如表9 所示。为了增强结论的说服性，同样使用两步系统GMM 进行验证，选取被解释变量（新产品销售额）的滞后1 期、人力资本（lnRlzb）和工业企业数量（lnGy）的滞后1～5 阶为工具变量，与人力资本结构高级化对科技成果转化的作用进行对比。

表9 人力资本存量对科技成果转化的影响

由表9 可见，人力资本存量对科技成果转化起到促进作用，这与人力资本结构高级化的结果截然相反，说明现阶段人力资本存量促进我国各地的科技成果转化，而人力资本结构高级化并未促进科技成果转化。该结论进一步扩展了吕洪燕等［8］的结论，相对于科技研发阶段，人力资本结构高级化的作用更大；但是在科技成果转化阶段，结果截然相反，和人力资本结构高级化相比，人力资本存量反而促进科技成果转化。这意味着提高人力资本存量水平有利于科技成果转化，但是盲目追求人力资本结构的高级化可能会造成高级人力资本的错配和浪费，反而不利于科技成果的转化。这也给各地的政府带来新的政策启示：引进大量高端人才可以迅速有效地推进人力资本结构高级化，可能会在短时间给当地科技研发和经济发展注入活力，但是如果不能正确处理好人才引进和人才培养之间的关系，忽略人才生态环境的建设，可能会不利于现有人才创造性和活力的发挥，从而影响本地的自主创新，尤其是科技成果转化。

6 主要结论与启示

基于区域创新价值链视角，本研究选取我国30个省份的面板数据，通过构建固定效应模型、动态系统GMM 和门槛模型，分科技研发和科技成果转化两个阶段实证分析了人力资本结构高级化对科技创新的影响。研究发现：（1）人力资本结构高级化有利于科技研发，但抑制科技成果转化；（2）科技研发阶段，人力资本结构高级化存在双重门槛效应，当R&D 强度跨分别过门槛值1.22 和1.92 后，人力资本结构高级化对于科技研发的促进作用显著提升，而在科技成果转化阶段，人力资本结构高级化存在单一门槛效应，当R&D 强度跨过门槛值0.24 后，人力资本结构高级化对于科技成果转化的抑制作用也会明显减弱；（3）科技研发阶段，东中西部地区人力资本结构高级化的影响都显著为正，东部地区人力资本结构高级化的影响更大，而在科技成果转化阶段，东中西部地区人力资本结构高级化的影响都显著为负，各区域间人力资本结构高级化差异并不大；（4）和人力资本结构高级化相比，人力资本存量水平反而促进科技成果转化。

上述结论带来以下启示：

（1）人力资本结构高级化对于区域创新价值链的不同阶段影响不同，需要分类施策。对于科技研发为主的区域或组织，积极吸引高端人力资本，加快推动人力资本结构高级化，能够充分发挥高级人力资本的规模效益，产生更多的创新成果；而对于科技成果转化为主的区域或企业等组织，要构建合理的科技创新体系，通过调整绩效考核标准等多种手段，充分发挥市场的作用，引导高级人才投入到科技成果转化中［29］，避免研发成果的闲置浪费，真正促进整个创新价值链的发展。

（2）研发投入是高级人力资本创新作用发挥的重要支撑，必须持续加大研发投入。但值得注意的是，单纯地加大研发投入也不能改变人力资本结构高级化对于科技成果转化的抑制作用，说明现阶段要想真正走出科技创新困境，单纯靠数量上的投入并不能有效改善现在科技创新中存在的问题，要重视研发投入配置效率，优化投入结构，尤其是基础研究财政投入力度、鼓励社会以捐赠和建立基金等方式多渠道投入，形成持续稳定的投入机制。

（3）人力资本结构高级化抑制科技成果转化并不是因为人力资本结构高级化程度不够或者经济发展水平积累不够等原因，而是由于科技创新制度不完善、科技创新生态不完整导致创新链与产业链脱节，高级人力资本不能发挥其应有的作用导致的。而这些问题很多是长期存在的难点和痛点，需要进一步加大决心进行改革和完善，坚持推进科技体制改革，形成支持全面创新的基础制度。

（4）人力资本存量水平的提升对科技成果转化的作用更大，因此要正确处理好人才引进和人才培养之间的关系，优先开发已有人才。各地政府也需要像警惕“GDP 崇拜”“R&D 崇拜”一样，警惕“人才崇拜”［30］。盲目引入高级人力资本却忽略本地人力资本存量的使用、忽略建立良好的人才生态环境，不利于本地的自主创新。因此，各级政府应当立足本地实际情况，首先优化人才成长和发展环境，稳步提升人力资本存量水平，在存量达到一定高度后再优化区域人力资本结构，向高级化迈进。

注释：

1）参考国家统计局划分依据，根据区域发展差异，将我国区域（未含港澳台地区）分成东部和中西部。其中，东部地区包括北京、天津、河北、山东、江苏、上海、浙江、福建、广东、海南、辽宁11 个省市；中西部地区包括山西、安徽、江西、河南、湖北、湖南、吉林、黑龙江以及内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、西藏、新疆 20 个省、区、市。